الفرضية الفارغة | إحصائيات

تعتبر الفرضية الفارغة ضرورية للاستقصاء العلمي لأنها تشكل أساس الاستفسارات البحثية. بالإضافة إلى إعطاء الباحثين مكانًا للبدء، فإنه يمكّنهم من تطوير فرضيات بديلة يمكن اختبارها وتقييمها.

دور الفرضية الصفرية

كثيراً ما يكون فحص العلاقة بين المتغيرات أو معرفة ما إذا كانت هناك اختلافات بين المجموعات أمراً مهماً في الدراسات العلمية. ووفقًا للفرضية الفارغة، لا يوجد في كثير من الأحيان أي فرق أو علاقة ملحوظة بين المتغيرات قيد البحث. يدل على عدم وجود علاقة بين المكونات ذات الصلة أو تأثير بينها.

يقوم الباحثون بإنشاء الفرضية الصفرية لتكون بمثابة نقطة مرجعية للمقارنة بين نتائجهم. يتم تمثيل هذه الفرضية عادة بالرمز H0، وهي بمثابة معيار لتحديد الأهمية الإحصائية لنتائج الدراسة.

مثال

دعونا نستخدم دراسة حول تأثيرات برنامج تدخلي جديد على آلام الرقبة غير المحددة كمثال لتوضيح هذه الفكرة بشكل أكبر. قد لا يكون هناك فرق واضح في آلام الرقبة بين المرضى الذين يتلقون التدخل والذين لا يتلقونه، وذلك وفقًا للفرضية الصفرية في هذه الحالة.

وبالتالي، يمكن كتابة الفرضية الصفرية رياضيا على النحو التالي: H0 1 – 2 = 0، حيث أن 1 هو متوسط آلام الرقبة لمن يحصلون على التدخل، و2 هو متوسط آلام الرقبة لمن لا يحصلون عليه.

بعد جمع المعلومات، يقوم الباحثون بإجراء اختبارات إحصائية لمعرفة ما إذا كانت الأدلة تؤكد أو تدحض الفرضية الصفرية. يمكن للباحثين رفض الفرضية الصفرية لصالح فرضية بديلة إذا كانت البيانات تتعارض مع الفرضية الصفرية وتظهر فرقًا أو ارتباطًا مهمًا.

لا تفعل هذا

من المهم تسليط الضوء على أن الفرضية البديلة لا تثبت برفض الفرضية الصفرية. وبدلاً من ذلك، فإنه يرى أن البيانات قد تشير إلى أن الفرضية البديلة قد تعتبر تفسيرًا أكثر معقولية. وعادةً ما تدعي الفرضية البديلة أن هناك تمييزاً أو صلة بين المتغيرات ذات الصلة.

في الحياة الواقعية، يقوم الباحثون بتحليل احتمالية الحصول على النتائج المبلغ عنها في ظل الفرضية الفارغة باستخدام اختبارات إحصائية مختلفة، مثل اختبارات t أو اختبارات تشي- سكوير. ويرفض الباحثون الفرضية الصفرية ويستكشفون الفرضية البديلة إذا كان الاحتمال أقل من مستوى دلالة محدد مسبقًا، يُشار إليه عادةً باسم ألفا (α)، وغالبًا ما يكون 0.05.

إن عملية اختبار الفرضيات ضرورية للبحث العلمي لأنها تمكن الباحثين من إصدار أحكام بناءً على البيانات التجريبية. يمكن للباحثين زيادة المعرفة والمساهمة في فهم العديد من الظواهر من خلال التحليل المنهجي ومناقشة الفرضية الصفرية.

مشاكل في اختبار الفرضية الفارغة

أحد الانتقادات المهمة لهذه الدراسة هو أنها تتجاهل في كثير من الأحيان أحجام التأثير والأهمية السريرية لصالح التركيز فقط على الأهمية الإحصائية. لا تكشف الأهمية الإحصائية عن حجم أو أهمية التأثير الذي تم رصده؛ بل تخبرنا فقط ما إذا كان من المحتمل أن يكون الاكتشاف قد حدث بالصدفة. إن اختبار مجموعات ضخمة من البيانات يمكن أن يؤدي إلى نتائج مهمة (رفض H0) لأصغر الاختلافات.

دعنا نذهب إلى أبعد من المثال السابق. أنت مهتم بمقياس VAS (المقياس التناظري المرئي) للألم بعد العلاج لتدخلين لعلاج آلام الرقبة. لديك حوالي 1000 مريض لكل مجموعة. يبلغ متوسط المعدل في المجموعة (أ) 2.2/10 بعد العلاج، وفي المجموعة (ب) 2.4/10. وبالنظر إلى أن المجموعات كبيرة جدًا، فمن المحتمل أن يؤدي هذا الاختلاف الضئيل إلى اختلاف كبير مع اختبار الفرضية الصفرية. ومع ذلك، فإن 0.2/10 من الفرق لا يكاد يكون ذا صلة. تتساوى هاتان المجموعتان من حيث الأهمية السريرية.

هناك مشكلة أخرى وهي أن الفرضية الفارغة قد يتم رفضها أو قبولها، مما قد يؤدي إلى تفسير ثنائي للبيانات. يمكن أن يؤدي هذا النهج الثنائي إلى الإفراط في تبسيط الأحداث المعقدة وإغفال التفاصيل الدقيقة للبيانات.

علاوة على ذلك، يفترض اختبار الفرضية الفارغة أن الفرضية الفارغة صحيحة إلى أن يتم دحضها. قد يؤدي ذلك إلى التحيز لصالح الفرضية العدمية ويؤدي إلى احتمال التعمية عن التأثيرات المهمة المحتملة.

يؤكد المعارضون أن الطرق البديلة مثل الإبلاغ عن حجم التأثير، أو الإحصاءات الباييزية، يمكن أن تقدم فحصًا أكثر شمولاً وإفادة لنتائج الدراسة، مما يتيح فهمًا أفضل لأهمية النتائج وعواقبها العملية.

الملخص

تعمل الفرضية الفارغة، التي تنص على عدم وجود فرق أو ارتباط ذي دلالة إحصائية بين المتغيرات محل الاهتمام، بمثابة الافتراض الافتراضي في أي تحقيق بحثي. من أجل رفض الفرضية الفارغة لصالح الفرضية البديلة، يجب أن تكون البيانات غير متوافقة مع الفرضية الفارغة، بحيث تُظهر فرقًا كبيرًا. يمكن للعلماء تحسين الفرضيات والتحقيق في المفاهيم الجديدة وتعميق فهمنا للعالم من خلال اختبار الفرضيات. ومع ذلك، توجد مجموعة كبيرة من المنتقدين ضد اختبار الفرضية العدمية. لا يخلو الأمر من العيوب.

نيمان، ج.، وبيرسون، إ. س. (1933). حول مشاكل الاختبارات الأكثر كفاءة للفرضيات الإحصائية. المعاملات الفلسفية للجمعية الملكية في لندن، 231 أ، 289-338. https://doi.org/10.1098/rsta.1933.0009

جريفز، سبنسر (1978). حول نظرية نيمان-بيرسون في الاختبار. المجلة البريطانية لفلسفة العلوم، 29(1)، 1-24. doi:10.1093/bjps/29.1.1 

كوينتانا، د.س.، ويليامز، د.ر. البدائل البايزية لاختبارات أهمية الفرضية الصفرية الشائعة في الطب النفسي: دليل غير تقني باستخدام JASP. مجلة الطب النفسي BMC 18، 178 (2018). https://doi.org/10.1186/s12888-018-1761-4

بورنهام وأندرسون، قيم P ليست سوى مؤشر للأدلة: 20- مقابل علم الإحصاء في القرن الحادي والعشرين. علم البيئة (2014)، https://doi.org/10.1890/13-1066.1